文本：可以用记事本打开的 真实的连续的口语或笔语

标注：对文本加以标记  元信息标注：1.文头信息的标注，非语言信息（出版商，年代，作者等） 2.词性标注：文本词性进行标注

形符（token)：独立单词   类符(type)：独立词形  类形符比（TTR)：类符/形符   标准类形符比：STTR  频数：出现的次数  频率：经过标准化计算的次数

搭配（collocation)：词语间的关系   类链接(colligation)：词语在语法层面的关系

多词序列：词块，n元组  语义韵：积极消极中性

语料库基本概念

文本、标注

3.1文本

生文本：未经任何标注的语料

标注文本：经过人工标注或自动标注的语料

标注文本使生文本获得了“增值”

3.2标注

利用各种标签对语料库中的文本的各种属性加以标记。

目的是为了方便开展不同目的的研究。

元信息标注：有关语料库文本的非语言信息。包括引用源、出版商、作者等。

词性赋码（POS tagging）：对文本的词性进行标注。

3.3词、形符、类符、类符/行符比

形符token：文本中任何一个独立的单词

类符type：文本中任何一个独特的词行

类行符比type-tpken ratio,TTR

标准类形符比STTR：较为可靠的测量工具

3.4频数、频率

频数frequencies：出现的次数

频率frequency：经过标准化计算得出的次数

3.5搭配、类联接

搭配collocation：词语之间的结伴关系

类联接colligation：词类及语法层面的结伴关系

类联接是搭配的更高层次，与语言的句法方面有密切关系。

3.6多词序列、语义韵

多词序列：词块lexical chunks、词簇word clusters、预制语块prefabricaed chunks、套语formulaic sequences、N元祖N-grams

语义韵：一个词项和一个词项和它的搭配词搭配在一起产生的语义氛围，分为积极、消极和中性三种。

Lesson3 语料库的基本概念

1.文本

2.标注

元信息标注

词性赋码

3.词、形符、类符、类符/形符比

形符：文本中任何一个独立的单词

类符：文本中任何一个独特的词形 

类形符比 TTR

标准类形符比 STTR

4.频数、频率

5.搭配、类联接

搭配：词与词之间的关系

类联接：词在语法之间的关系

6.多词序列、语义韵